Optik Karakter Tanıma (OCR) metin resimlerini—taramaları, akıllı telefon fotoğraflarını, PDF'leri—makine tarafından okunabilir dizelere ve giderek artan bir şekilde yapılandırılmış verilere dönüştürür. Modern OCR, bir görüntüyü temizleyen, metni bulan, okuyan ve zengin meta verileri dışa aktaran bir boru hattıdır böylece alt sistemler alanları arayabilir, dizine ekleyebilir veya çıkarabilir. Yaygın olarak kullanılan iki çıktı standardı şunlardır: hOCR, metin ve düzen için bir HTML mikroformatı ve ALTO XML, bir kütüphane/arşiv odaklı şema; her ikisi de konumları, okuma sırasını ve diğer düzen ipuçlarını korur ve gibi popüler motorlar tarafından desteklenir Tesseract.
Ön işleme. OCR kalitesi görüntü temizleme ile başlar: gri tonlamaya dönüştürme, gürültü giderme, eşikleme (ikili hale getirme) ve eğrilik düzeltme. Kanonik OpenCV eğitimleri küresel, uyarlanabilir ve Otsu eşikleme—düzensiz aydınlatmalı veya bimodal histogramlı belgeler için temel unsurlar. Bir sayfa içinde aydınlatma değiştiğinde (telefon fotoğraflarını düşünün), uyarlanabilir yöntemler genellikle tek bir küresel eşikten daha iyi performans gösterir; Otsu histogramı analiz ederek otomatik olarak bir eşik seçer. Eğim düzeltme de aynı derecede önemlidir: Hough tabanlı eğrilik düzeltme (Hough Çizgi Dönüşümü) Otsu ikilileştirmesi ile eşleştirilmiş, üretim ön işleme boru hatlarında yaygın ve etkili bir reçetedir.
Tespit ve tanıma. OCR tipik olarak metin tespiti (metin nerede ?) ve metin tanıma (ne diyor?) olarak ikiye ayrılır. Doğal sahnelerde ve birçok taramada, tamamen evrişimli dedektörler gibi EAST ağır teklif aşamaları olmadan kelime veya satır düzeyinde dörtgenleri verimli bir şekilde tahmin eder ve yaygın araç setlerinde (ör. OpenCV’nin metin tespiti eğitimi) uygulanır. Karmaşık sayfalarda (gazeteler, formlar, kitaplar), satırların/bölgelerin segmentasyonu ve okuma sırası çıkarımı önemlidir:Kraken geleneksel bölge/satır segmentasyonunu ve sinirsel temel çizgi segmentasyonunu uygular, farklı komut dosyaları ve yönler (LTR/RTL/dikey) için açık destek ile.
Tanıma modelleri. Klasik açık kaynaklı iş gücü Tesseract (Google tarafından açık kaynaklı hale getirildi, kökleri HP'ye dayanıyor) bir karakter sınıflandırıcısından LSTM tabanlı bir dizi tanıyıcıya dönüştü ve aranabilir PDF'ler, hOCR/ALTO dostu çıktılarve daha fazlasını CLI'den yayabilir. Modern tanıyıcılar, önceden bölümlenmiş karakterler olmadan dizi modellemesine güvenir. Bağlantıcı Geçici Sınıflandırma (CTC) temel olmaya devam ediyor, girdi özellik dizileri ve çıktı etiket dizileri arasındaki hizalamaları öğreniyor; el yazısı ve sahne metni boru hatlarında yaygın olarak kullanılıyor.
Son birkaç yılda, Transformer'lar OCR'yi yeniden şekillendirdi. TrOCR bir görüş Transformer kodlayıcı artı bir metin Transformer kod çözücü kullanır, büyük sentetik korpuslar üzerinde eğitilmiş ve ardından gerçek veriler üzerinde ince ayar yapılmış, basılı, el yazısı ve sahne metni karşılaştırmalarında güçlü performansla (ayrıca bkz. Hugging Face belgeleri). Paralel olarak, bazı sistemler alt akım anlama için OCR'yi atlar: Donut (Belge Anlama Transformer'ı) doğrudan yapılandırılmış cevaplar (anahtar-değer JSON gibi) üreten OCR'siz bir kodlayıcı-kod çözücüdür belge resimlerinden (repo, model kartı), ayrı bir OCR adımı bir IE sistemini beslediğinde hata birikimini önler.
Birçok komut dosyasında pille birlikte metin okuma istiyorsanız, EasyOCR 80'den fazla dil modeliyle basit bir API sunar, kutular, metin ve güvenilirlikler döndürür—prototipler ve Latin olmayan komut dosyaları için kullanışlıdır. Tarihi belgeler için, Kraken temel çizgi segmentasyonu ve komut dosyasına duyarlı okuma sırası ile parlar; esnek satır düzeyinde eğitim için, Calamari Ocropy soyundan gelir (Ocropy) (çoklu)LSTM+CTC tanıyıcıları ve özel modelleri ince ayarlamak için bir CLI ile.
Genelleme verilere bağlıdır. El yazısı için, IAM El Yazısı Veritabanı eğitim ve değerlendirme için yazar açısından çeşitli İngilizce cümleler sağlar; bu, satır ve kelime tanıma için uzun süredir devam eden bir referans setidir. Sahne metni için, COCO-Text MS-COCO üzerine kapsamlı ek açıklamalar katmanladı, basılı/el yazısı, okunaklı/okunaksız, komut dosyası ve tam transkripsiyonlar için etiketlerle (ayrıca orijinal proje sayfasınabakın). Alan ayrıca sentetik ön eğitime de büyük ölçüde güvenir: Vahşi Doğada SynthText gerçekçi geometri ve aydınlatma ile fotoğraflara metin işler, önceden eğitmek için büyük hacimli veriler sağlar dedektörler ve tanıyıcılar (referans kod ve veri).
ICDAR’ın Sağlam Okuma şemsiyesi altındaki yarışmalar değerlendirmeyi temellendirir. Son görevler uçtan uca tespit/okumayı vurgular ve kelimeleri ifadelere bağlamayı içerir, resmi kod raporlaması kesinlik/geri çağırma/F-skoru, kesişim-üzeri-birleşim (IoU) ve karakter düzeyinde düzenleme mesafesi metrikleri—uygulayıcıların izlemesi gerekenleri yansıtır.
OCR nadiren düz metinle biter. Arşivler ve dijital kütüphaneler ALTO XML 'i tercih eder çünkü içeriğin yanı sıra fiziksel düzeni (koordinatlı bloklar/satırlar/kelimeler) kodlar ve METS paketlemesiyle iyi eşleşir. hOCR mikroformatı ise aynı fikri ocr_line ve ocrx_word gibi sınıfları kullanarak HTML/CSS'ye gömer, bu da web araçlarıyla görüntülemeyi, düzenlemeyi ve dönüştürmeyi kolaylaştırır. Tesseract her ikisini de sunar—örneğin, doğrudan CLI'den hOCR veya aranabilir PDF'ler oluşturma (PDF çıktı kılavuzu); pytesseract gibi Python sarmalayıcıları kolaylık sağlar. Depoların sabit alım standartları olduğunda hOCR ve ALTO arasında çeviri yapmak için dönüştürücüler mevcuttur—bu derlenmiş listeye bakın OCR dosya formatı araçları.
En güçlü eğilim yakınsamadır: tespit, tanıma, dil modelleme ve hatta göreve özgü kod çözme birleşik Transformer yığınlarında birleşiyor. büyük sentetik korpuslar üzerinde ön eğitim bir güç çarpanı olmaya devam ediyor. OCR'siz modeller, hedefin kelimesi kelimesine transkriptler yerine yapılandırılmış çıktılar olduğu her yerde agresif bir şekilde rekabet edecektir. Hibrit dağıtımlar da bekleyin: uzun biçimli metin için hafif bir dedektör artı bir TrOCR tarzı tanıyıcı ve formlar ve makbuzlar için bir Donut tarzı model.
Tesseract (GitHub) · Tesseract belgeleri · hOCR özellikleri · ALTO arka planı · EAST dedektörü · OpenCV metin tespiti · TrOCR · Donut · COCO-Text · SynthText · Kraken · Calamari OCR · ICDAR RRC · pytesseract · IAM el yazısı · OCR dosya formatı araçları · EasyOCR
Optical Character Recognition (OCR), tarama yapılan kağıt belgeler, PDF dosyaları veya dijital bir kamera ile çekilen fotoğraflar gibi çeşitli belgeleri düzenlenebilir ve aranabilir bilgilere çevirmek için kullanılan bir teknolojidir.
OCR, giriş görüntüsünü veya belgeyi tarayarak, görüntüyü bireysel karakterlere ayırarak ve her karakteri bir karakter şekli veritabanı ile pattern recognition veya feature recognition kullanarak karşılaştırarak çalışır.
OCR, basılı belgelerin dijitalleştirilmesi, metinden sesli hizmetlerin etkinleştirilmesi, veri giriş süreçlerinin otomatikleştirilmesi ve görme engelli kullanıcıların metinle daha iyi etkileşim kurması gibi farklı sektörlerde ve uygulamalarda kullanılır.
OCR teknolojisinde büyük gelişmeler kaydedilmiş olmasına rağmen, hâlâ hatalar olabilir. Doğruluk, orijinal belgenin kalitesine ve kullanılan OCR yazılımının özelliklerine bağlı olarak değişir.
OCR, temel olarak basılmış metin için tasarlanmıştır, ancak bazı gelişmiş OCR sistemleri, net ve tutarlı el yazısını da tanıyabilir. Ancak, bireysel yazı stillerindeki büyük varyasyonlar nedeniyle, genellikle el yazısının tanınması daha az doğrudur.
Evet, birçok OCR yazılım sistemi birden fazla dili tanıyabilir. Ancak, belirli bir dilin desteklendiğinden emin olmak için kullanılan yazılımı kontrol etmek önemlidir.
OCR, Optical Character Recognition anlamına gelir ve basılı metni tanımak için kullanılır, ICR ise Intelligent Character Recognition anlamına gelir ve daha gelişmiş olup el yazısını tanımak için kullanılır.
OCR, açık, okunabilir fontlar ve standart metin boyutlarıyla en iyi sonucu verir. Farklı fontlar ve boyutlarla da çalışabilir, ancak alışılmadık fontlar veya çok küçük metin boyutlarıyla karşılaştığında doğruluk genellikle azalır.
OCR, düşük çözünürlüklü belgeler, karmaşık fontlar, zayıf basılan metinler, el yazısı ve metni engelleyen arka planları olan belgelerle zorlanabilir. Ayrıca, birçok dili destekleyebilme özelliğine rağmen, her dili mükemmel bir şekilde kapsayamayabilir.
Evet, OCR, renkli metin ve arka planları tarayabilir, ancak genellikle yüksek kontrastlı renk kombinasyonları, örneğin beyaz arka plan üzerinde siyah metin, ile daha etkilidir. Metin ve arka plan rengi yeterli kontrast oluşturmadığında doğruluk düşebilir.
Genişletilmiş Postscript Görüntüsü (EPI) formatı, PostScript baskı ve görüntülemenin yaygın olduğu ortamlarda görüntüleri temsil etmek için tasarlanmış özel bir dosya biçimidir. Bu format, daha yaygın olarak bilinen EPS (Kapsüllenmiş Postscript) formatından türetilmiştir, ancak renk yönetimi, sıkıştırma ve genel esnekliği geliştirmeyi amaçlayan ek özellikler içerir. EPI formatının kullanımı, yüksek kaliteli baskı ve doğru renk üremesinin çok önemli olduğu grafik tasarım, yayıncılık ve dijital sanatlar gibi endüstrilerde özellikle önemlidir.
Bir EPI dosyası esasen, baskı için optimize edilmiş bir programlama dili olan PostScript dilinde bir görüntü veya çizimin tanımını içerir. PostScript, dinamik olarak yazılmış, birleştirici bir programlama dilidir ve 1982'de Adobe Systems tarafından oluşturulmuştur. Tek bir dosyada hem metin hem de grafik bilgilerini yüksek hassasiyetle tanımlayabilmesi nedeniyle benzersizdir. EPI bağlamında, bu yetenek, PostScript uyumlu yazıcılarda güvenilir bir şekilde yazdırılabilen bir biçimde keskin metin ve ayrıntılı çizimler de dahil olmak üzere karmaşık grafik tasarımlarını kapsüllemek için kullanılır.
EPI formatını öncekilerinden ayıran temel özelliklerden biri, renk yönetimi için gelişmiş desteğidir. Renk yönetimi, dijital görüntü işlemenin çok önemli bir yönüdür, çünkü renklerin farklı cihazlarda tutarlı bir şekilde temsil edilmesini sağlar. EPI dosyaları, renklerin çeşitli cihazlarda nasıl yeniden üretilmesi gerektiğini tanımlayan Uluslararası Renk Konsorsiyumu (ICC) standartlarına dayalı renk profilleri içerir. Bu, EPI formatında kaydedilen bir görüntünün, bir bilgisayar monitöründe görüntülendiğinde, kağıda basıldığında veya başka bir ortamda yeniden üretildiğinde amaçlanan renk doğruluğunu koruyabileceği anlamına gelir.
Sıkıştırma, EPI formatının öne çıktığı bir başka alandır. Yüksek kaliteli görüntüler genellikle büyük boyutludur ve bu, dosyaları aktarırken veya depolama alanından tasarruf ederken bir sınırlama olabilir. EPI, hem kayıplı hem de kayıpsız yöntemler de dahil olmak üzere çeşitli sıkıştırma algoritmalarını destekler. JPEG gibi kayıplı sıkıştırma, görüntü kalitesini biraz düşürerek dosya boyutunu küçültür, bu da belirli uygulamalar için kabul edilebilir olabilir. TIFF dosyalarında kullanılan ZIP veya LZW gibi kayıpsız sıkıştırma, orijinal görüntü kalitesini korur ancak dosya boyutunu önemli ölçüde azaltmayabilir. Sıkıştırma seçimi, görüntü kalitesi ve dosya boyutu arasında denge kurarak kullanıcının özel ihtiyaçlarına göre özelleştirilebilir.
Ek olarak, EPI formatı ölçeklenebilirliği ve çözünürlük bağımsızlığını geliştirmek için tasarlanmıştır. Bu formatta depolanan görüntüler, ayrıntı kaybı olmadan büyütülebilir veya küçültülebilir, bu da farklı boyutların gerekli olabileceği baskı uygulamaları için özellikle yararlıdır. Bu, fotoğrafik içerik için bitmap görüntülerin yanı sıra çizimler ve metin için vektör grafiklerinin kullanılmasıyla elde edilir. Vektör grafikleri, şekilleri ve çizgileri çizmek için matematiksel denklemlere dayanır ve bu da pikselleşme olmadan sonsuz şekilde yeniden boyutlandırılmalarına olanak tanır. Bu özellik, EPI'yi çeşitli boyutlarda yeniden üretilmesi gereken logolar, afişler ve diğer pazarlama materyalleri oluşturmak için ideal bir seçim haline getirir.
EPI ayrıca, PostScript dilinin eksiksiz bir alt kümesini içermesine olanak tanıyan gelişmiş gömme özelliklere sahiptir. Bu, bir EPI dosyası içinde işlevlerin, değişkenlerin ve kontrol yapıların eklenmesine olanak tanır ve dinamik ve etkileşimli görüntüler oluşturmak için güçlü bir araç sağlar. Örneğin, bir EPI dosyası, yüksek çözünürlüklü bir yazıcı veya standart bir bilgisayar monitörü olsun, çıktı cihazına göre bir görüntünün renklerini ayarlayan kod içerebilir. Bu esneklik, medya çaprazı yayıncılık için yeni olanaklar açar ve görüntülerin manuel ayarlamalar gerektirmeden farklı bağlamlara uyum sağlayabilmesini sağlar.
EPI formatının standartlaştırılması, benimsenmesinde ve birlikte çalışabilirliğinde önemli bir rol oynar. Yerleşik PostScript kurallarına uyarak ve ICC renk profilleri ve çeşitli sıkıştırma yöntemleri gibi modern özellikleri dahil ederek, EPI dosyaları mevcut iş akışlarına sorunsuz bir şekilde entegre edilebilir. Ek olarak, PostScript'in farklı işletim sistemleri ve yazılım uygulamaları arasında yaygın desteği, EPI dosyalarının geniş bir kitle tarafından erişilebilir ve kullanılabilir olmasını sağlar. Bu uyumluluk, işbirliğine yönelik engelleri ortadan kaldırır ve tasarımcılar, yazıcılar ve yayıncılar arasında yüksek kaliteli görüntülerin verimli bir şekilde değiştirilmesine olanak tanır.
EPI dosyalarının oluşturulması ve işlenmesi, PostScript dilini anlayan ve EPI formatına özgü özellikleri destekleyen özel yazılım gerektirir. Adobe Illustrator ve Photoshop, EPI formatında görüntü tasarlama ve dışa aktarma için kapsamlı araçlar sunan bu tür yazılımlara örnektir. Bu uygulamalar yalnızca zengin bir çizim ve düzenleme yetenekleri seti sağlamakla kalmaz, aynı zamanda tasarımcıların hassas renk özellikleriyle çalışmasına ve görüntülerinin çeşitli çıktı cihazlarında nasıl görüneceğine dair önizleme yapmasına olanak tanıyan renk yönetimi özellikleri de içerir.
Dosya yapısı açısından bir EPI dosyası bir başlıktan, bir gövdeden ve bir sondan oluşur. Başlık, oluşturucu, oluşturma tarihi ve görüntünün fiziksel boyutlarını tanımlayan sınırlayıcı kutu gibi dosya hakkında meta veriler içerir. Gövde, görüntüyü tanımlayan gerçek PostScript kodunu içerir ve görüntü oluşturmak için gereken gömülü ICC profilleri, yazı tipi tanımları ve diğer kaynakları içerebilir. Son, dosyanın sonunu işaretler ve küçük resimler veya önizleme görüntüleri gibi ek bilgiler içerebilir. Bu yapılandırılmış yaklaşım, EPI dosyalarının hem esnek hem de kendi kendine yeten olmasını sağlayarak yönetilmelerini ve değiştirilmelerini kolaylaştırır.
Birçok avantajına rağmen, EPI formatı zorluklar olmadan değildir. PostScript dilinin karmaşıklığı, programlamaya aşina olmayanlar için EPI dosyalarının oluşturulmasını ve düzenlenmesini biraz zorlaştırabilir. Ayrıca, EPI dosyaları yürütülebilir kod içerebildiğinden, güvenlik açıklarından kaçınmak için dikkatli bir şekilde işlenmelidir. Bu, güvenilir yazılımların kullanılmasını ve bilinmeyen kaynaklardan gelen dosyaların dikkatli bir şekilde işlenmesini gerektirir.
Sonuç olarak, Genişletilmiş Postscript Görüntüsü (EPI) formatı, özellikle yüksek kaliteli baskı ve doğru renk üretimi gerektiren alanlarda dijital görüntü işleme için güçlü ve çok yönlü bir araçtır. Gelişmiş renk yönetimi, sıkıştırma, ölçeklenebilirlik ve gömme özellikleri için desteği, onu grafik tasarım, yayıncılık ve ilgili endüstrilerdeki profesyoneller için ideal bir seçim haline getirir. Potansiyelinden tam olarak yararlanmak için özel yazılım ve bilgi gerektirse de, EPI formatını esneklik, kalite ve verimlilik açısından kullanmanın faydaları önemlidir. Dijital görüntüleme ve baskı teknolojisi gelişmeye devam ettikçe, EPI formatı teknik hassasiyeti yaratıcı esneklikle birleştirmenin kalıcı değerinin bir kanıtı olarak durmaktadır.
Bu dönüştürücü tamamen tarayıcınızda çalışır. Bir dosya seçtiğinizde, belleğe okunur ve seçilen biçime dönüştürülür. Ardından dönüştürülen dosyayı indirebilirsiniz.
Dönüştürmeler anında başlar ve çoğu dosya bir saniyeden kısa sürede dönüştürülür. Daha büyük dosyalar daha uzun sürebilir.
Dosyalarınız asla sunucularımıza yüklenmez. Tarayıcınızda dönüştürülürler ve dönüştürülen dosya daha sonra indirilir. Dosyalarınızı asla görmeyiz.
JPEG, PNG, GIF, WebP, SVG, BMP, TIFF ve daha fazlası dahil olmak üzere tüm resim formatları arasında dönüştürmeyi destekliyoruz.
Bu dönüştürücü tamamen ücretsizdir ve her zaman ücretsiz olacaktır. Tarayıcınızda çalıştığı için sunucular için ödeme yapmamıza gerek yoktur, bu nedenle sizden ücret almamıza gerek yoktur.
Evet! İstediğiniz kadar dosyayı aynı anda dönüştürebilirsiniz. Sadece eklerken birden fazla dosya seçin.